在构建AI Agent（智能体）时，如何引导大模型有效完成复杂任务是一个核心问题。当前主流范式主要有两种：ReAct（推理+行动） 和 Planning & Extractor（规划+提取器）。它们都旨在增强模型的自主性和任务执行能力，但在工作流程和适用场景上存在显著差异。本文将通过实例对比两者的异同，帮助企业根据实际需求选择合适范式。一、ReAct范式ReAct由Shunyu Yao等人提出，其核心思想是让模型在生成过程中交替进行“推理”和“行动”。模型会先思考当前状态（Reasoning），然后决定采取什么行动（Acting），如调用工具、查询知识库，之后根据行动结果再次推理，直至...

库洛：简历挂鹰角：简历挂莉莉丝：笔试挂柠檬微趣：一面挂网易雷火：一面挂腾讯天美：二面挂米哈游：简历挂总结：这次主要是尝试一下看看面试都问些什么，然而面试内容没有想象中的这么难，都是偏基础的八股+项目的一些探讨。但是可能会问的很深。让我意外的是面试的手撕代码都非常简单，基本都是见到就秒的题目。但是对一些知识掌握的不是很熟悉，加上表达能力可能不太好，所以都挂了。简历准备的时间较少，所以很粗糙简陋。请教一下大佬们有什么需要修改的地方，还有还需要学一些什么东西吗。希望暑假能够找到心仪的实习。

最近也面了好几家公司字节-抖音研发：一面挂，脏面评了B站-直播测试：面试官觉得我服务端测试经验不足，半小时结束，手撕都没出百度acg质量部：面试官不开摄像头，一直盯着我那没意义的项目的一个点狠狠攻击，半小时结束，无手撕，应该是 kpi 面了快手-商业化：一面 50 分钟大部分在问实习，因为上一段实习和这个面试的很垂直，又问了一些数据库和 redis，消息队列的八股手撕：力扣 80 删除有序数组中的重复项当天晚上约二面隔一天二面：25 分钟问了实习，一道三数之和，反问后结束，面试官说会稍微看重一点代码能力半小时后 hr联系口头 offer，当天下午发 offer快手效率这一块因为快手这个业务组和我上一段实习，非常垂直，面试起来也比较得心应手吧，进度推的也很快最近期末周，又要复习，又要面试，回学校前，还在上班，这三个叠一起，真的感觉忙不过来了，再加上一开始的字节和 B 站秒挂，很大程度上给我了一些打击，不过好在挺了过来继续加油吧附：之前一直投快手，简历挂了两页

TCP篇 1. TCP为什么是可靠的？从基础概念出发，TCP是面向连接的基于字节流的通信协议，从连接管理的角度来说：TCP通过三次握手建立连接，确保通信双方有正常收发能力；通过四次挥手释放连接，确保所有数据被正确接收并妥善处理。这里的可靠指的是报文的可靠传输，换一句话说就是如何保证报文不重不丢：TCP是基于字节流的，每一个字节都有唯一的序列号，这解决了报文重复的问题；接收端接收数据后会回复ACK确认号，这解决了丢包的问题；为了确保数据能够到达，在没有收到ACK的一定时间内，会触发发送方超时重传；另一方面，由接收方主导的流量控制能够避免接收方太多数据处理不过来。这里要注意流量控制和拥塞控制的区别...